远程教育系统中数据挖掘技术的应用

现代远程教育是一种新型的教育形式,应用数据挖掘技术,使其拓展面对互联网数据的特点,为学习者提供个性化服务,建设针对性强的课程教学资源。本文初步阐述了如何通过挖掘远程教育平台的数据获取有用信息,建立模型,优化改进设计,为学员提供更加优质的远程教学互动体验。     

运用多维数据模型实现数据集市

文中阐述了数据集市、多维数据模型的基本概念和技术 ,探讨了一种用多维数据模型实现数据集市的方法。最后 ,给出了一个数据集市的应用实例     

基于OLAP的多维关联规则挖掘研究

针对数据仓库中的多维数据模型及OLAP技术,给出了一套行之有效的基于OLAP的元规则指导的多维关联规则挖掘方案,最终挖掘出用户真正感兴趣的概念层次合理的多维关联规则.实验结果表明该方案是有效的.     

数据仓库中多维数据模型的设计

多维数据模型是数据仓库和联机分析处理中的一个重要环节。文章提出了一种新的多维数据模型。在该模型中，基于维与事件的关系，描绘了多维事件关系图，并利用非奇异聚集偏序集簇定义了维的结构。结合小灵通客户流失问题，给出了该模型的具体的实现。     

基于Internet的远程教育系统

本文对构建基于Intemet上的远程教育系统模型进行了具体描述,并详细介绍它的各功能块及其应用.     

数据挖掘在现代远程教育中应用的探讨

随着因特网的广泛应用,现代远程教育正在成为人们获取知识的一条崭新途径.远程教育的学生群体个性差异很大,如何为每一位学生提供以分析为导向的个性化服务,这是一个远程教育网站要提高竞争优势所要解决的问题.数据挖掘作为一种深层次分析技术,为个性化教学的实现提供了一条理想途径.     

基于超市OLAP系统数据挖掘的实现

针对SQLServer2000AnalysisServices中的数据挖掘功能,及其在某大型超市的OLAP系统中加以应用的情况,介绍了基于SQLServer2000的数据挖掘模型的建立、训练、浏览模型和进行预测的关键技术,给出了一种建立在已有的OLAP系统基础上的实现数据挖掘功能的具体方法,并指出运用该方法可以快速地开发数据挖掘的应用,有效地支持决策。     

一种多维时态关联规则数据挖掘算法

在关联规则挖掘中,大量的数据是多维的,且带有时态特性,所以往往需要在时态约束的前提下挖掘多维关联规则．本文从一个实际问题出发,在单维Apriori算法和已有的工作基础上,提出了一种新的多维时态关联规则挖掘算法,并与类似算法进行了比较．     

DMDF策略在多维数据挖掘过程中的应用

为了优化了多维、多层次复杂数据流的数据挖掘处理过程,在数据挖掘理论与鱼骨分析法的基础上,提出了“DMDF（数据挖掘驱动鱼骨分析）”的一个全新概念。设计了DMDF的结构与流程,不仅提供了一个用来支持不同挖掘组件的集成平台,还为整个数据挖掘过程提供了一个流程可控的策略。目的是多方面、多层次对整个数据挖掘框架和不同处理模块的结合方法进行有效的改进。其中数据分类、数据预处理、关联规则挖掘和预测是整个DMDF生命周期的基础。DMDF从战略高度、技术水平以及不同的抽象层面来支持不同挖掘组件的结合,通过再工程的方法来构建数据挖掘的处理过程,最终将其应用在可执行的系统上。     

集装箱多式联运的多维数据分析与数据挖掘

在对集装箱多式联运各环节进行深入分析基础上,基于雪花型架构构建了多式联运多维数据库,在此基础上对其进行多维数据分析,进而对多维数据库中的数据进行了数据挖掘.前端展示证明了该技术运用子集装箱多式联运信息处理的可行性和有效性,可为集装箱多式联运提供决策支持.     

基于云计算的新型远程教育系统设计

目的针对传统教育模式在远程教育系统中运用数据不完整,数据恢复难和私密性差等缺点,提出了将云计算方法融入远程教育系统设计的思想,研究出一种基于云计算的新型远程教育系统,该系统便于教学信息资源的整合、提高了资源利用率。方法通过研究云计算和远程教育系统的特点,实现了基于云计算的新型远程教育系统设计。结果基于云计算的新型远程教育系统,在教育服务能力、资源共享性、可配置和伸缩性方面较传统系统都有较大的进步。结论将云计算高效的运算处理能力和无限的存储能力应用于远程教育系统,可以提升中国远程教育的整体水平。     

一种基于组合模型的时间序列数据挖掘系统

提出了一种新的时间序列数据挖掘方法———基于BP(Back Propagation)神经网络和回归分析的组合时间序列数据挖掘模型.重点讨论了神经网络———回归———线性神经网络组合模型的建立过程,强调了通用性,并应用于浙江省可持续发展预测,取得了满意的结果.该组合模型采用神经网络技术来确定权重系数,提高了对复杂非线性系统的拟合能力,为时间序列数据挖掘提供了一种新的实用方法.     

基于ARIMA模型的时间序列数据挖掘方法改进

ARIMA模型是一种很重要的时间序列数据挖掘模型,但是这个模型往往只是对某个时间点进行研究.事实上一段时间往往影响未来的预测结果,就ARIMA模型的数据挖掘方法进行改进,并用美国IT界的股票价格数据对改进的模型进行了实证分析.结果显示改进后的模型与未来股票价格的预测更加准确.     

基于神经网络的保险数据挖掘模型

文章研究了神经网络数据挖掘技术在汽车保险业中的应用,并针对汽车保险客户提出了一种理想非线性映射模型费率预测的方法．由实验结果知本方法可用于改善目前汽车保险费率与赔付率不匹配的问题．     

分布式数据挖掘综述

随着网络技术、通信技术等的不断突破,互联网、移动网、广电网等多种类现代网络及其衍生业务迅速扩张,形成泛在于网络空间的分布式计算环境。为了最大化这些数据的价值,需要利用数据挖掘技术发现其中隐藏的模式或规则,用以指导和辅助生产或运营中的管理决策行为,以提高决策水平及决策收益。然而,受到普遍存在的异构性、私有性和平台兼容性等限制,兼因行业竞争和法律约束等因素(如个人或企业的数据隐私保护问题等),互联于网络的数据源难于进行集中式挖掘,分布式数据挖掘(DDM)技术应运而生。介绍了DDM的定义与框架、适用场景和研究挑战。根据文中给出的DDM高层架构,最终结果的质量与局部数据源的类型、可用性、局部结果的质量及整合方法等密切相关。DDM的实施未必都以站点间纯粹独立挖掘的方式进行,此外,对于数据集中,系统分布式站点多的情况,也可采用DDM。当前,DDM研究领域的挑战主要有:异构与同构挖掘、动态环境下的数据多变性、通信开销、知识整合和语义异构等。当前的DDM系统被分为4类:1)基于Multi-Agent的系统,利用Agent的自治性实现局部挖掘以保护数据私有性;利用Agent的主动性减少用户参与以提高挖掘自动化水平;利用Agent的协作性实现多算法协同挖掘等;2)基于网格的系统,利用网格在资源共享、开放服务和协同工作等方面的优势,提高挖掘的可靠性和协同性;3)基于元学习的系统,通过元学习优化挖掘算法的选择与组合,并对已获知识进行多次学习以提高结果质量;4)基于CDM(collective data mining)框架的系统,将待学习的函数表示为一组基函数的分布式存在,允许各数据源选择不同的学习算法,并以全局结果正确为前提减少网络通信量。进而,对当前DDM研究存在的共性问题进行了归纳:1)结果质量问题,不考虑各个站点数据源间的内在语义联系,各站点独立挖掘本地数据,与其他站点间无语义层面的数据交互或融合,形成纯粹的"分割式"挖掘,最终导致全局结果质量受损;2)挖掘效率问题,如何调度资源以平衡挖掘负载、减少协作挖掘中的通信开销问题。针对结果质量问题,探讨本体与数据挖掘的结合。作为语义网的基础,本体能为对象语义距离度量提供有效支持。当前,在利用本体描述挖掘任务的领域背景方面,利用本体描述DM过程本身方面,都已经有研究人员进行了探索性工作:针对关联规则挖掘中需要从海量规则中遴选有效规则的问题,提出了交互式的、用于删减冗余规则的挖掘后处理方法;针对在给定知识发现过程的输入和输出类型前提下,知识发现工作流的自动构造问题,提出了解决方法。通过阐述可知,为了提升分布式挖掘过程中局部结果和最终结果的质量,策略之一就是将DDM理论和本体理论作融合,以数据源间语义距离的度量为突破口,建立语义距离度量的复合量化体系,通过构建和求解新型DDM模型来实现目标。     

WA-IDS： A Distributed Intrusion Detection System Based on Data Mining

Aiming at the shortcomings in intrusion detection systems (IDSs) used in commercial and research fields, we propose the MAIDS system, a distributed intrusion detection system based on data mining. In this model, misuse intrusion detection system (MIDS) and anomaly intrusion detcction system (AIDS) are combined. Data mining is applicd to raise detection performance, and distributed mechanism is employed to increase the scalability and efficiency. Host- and network based mining algorithms employ an improved Bayesian decision theorem that suits for real security environment to minimize the risks incurred by false decisions. We describe the overall architeeture of thc MA-IDS system, and discusss pecific design and implementation issue.     

基于数据挖掘的银行业客户关系管理体系结构

面对入世带来的挑战,我国银行必须提高其核心竞争力,而客户关系管理正是提高企业核心竞争力的最好手段。文章论述了银行客户关系管理系统的总体架构和数据仓库及数据挖掘在银行业客户关系管理中的应用,旨在更好地提高银行的竞争力,把客户看作银行资源的一部分,最大限度地获取利润。     

流媒体技术促进远程教育模式融合

随着网络技术、多媒体技术与通信技术的飞速发展,大量多媒体信息在网上的传输显得越来越重要,便产生了新型的传播媒体——流媒体.流媒体的出现彻底改变了传统因特网只能表现文字和图片的缺陷,它集音频、视频及图文于一体,使之成为未来因特网应用的主流.流媒体技术的产生与发展,必将对远程教育的发展产生重要影响.本文简要介绍了流媒体技术的基本原理、流媒体在网络中的传输格式,并介绍了流媒体技术的教学特点以及它在远程教育中的应用.     

基于非结构化数据挖掘结构模型的Web文本聚类算法

在非结构化数据挖掘结构模型——发现特征子空间模型(DFSSM)——的运行机制下,提出了一种新的Web文本聚类算法——基于DFSSM的Web文本聚类(WTCDFSSM)算法.该算法具有自稳定性,无须外界给出评价函数;能够识别概念空间中最有意义的特征,抗噪声能力强.结合现代远程教育网应用背景实现了WTCDFSSM聚类算法.结果表明:该算法可以对各类远程教育站点上收集的文本资料信息自动进行聚类挖掘;采用网格结构模型,帮助人们进行文本信息导航;从海量文本信息源中快速有效地获取重要的知识.     

基于数据挖掘技术的客户关系管理系统研究

数据挖掘是CRM的核心,通过阐述数据挖掘的概念、过程、目标,分析基于数据挖掘的CRM的特征．并从客户生命周期和行业应用的角度探讨数据挖掘在客户关系管理系统中的应用．